論文の概要: Robust structure from motion for aerial-ground images via detector-free feature matching and multi-view track refinement

• arxiv url: http://arxiv.org/abs/2608.15251v1
• Date: Sat, 15 Aug 2026 14:16:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.239441
• Title: Robust structure from motion for aerial-ground images via detector-free feature matching and multi-view track refinement
• Title（参考訳）: 検出不要特徴マッチングと多視点トラックリファインメントによる地上画像の移動からのロバスト構造
• Abstract要約: 地上画像からの総合的な3次元再構成は,高精度な都市3次元モデル作成に不可欠である。 本研究は、回転ロバスト検出器レスマッチングネットワークと多視点トラックリファインメントを併用して、運動からのインクリメンタル構造(ISfM)を提案する。 実地における実際のデータセットを用いて,提案手法がLoFTRと比較して,AUCの5ポーズ誤差を93.9%改善することを示した。
• 参考スコア（独自算出の注目度）: 15.28970239781579
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Integrated 3D reconstruction from aerial-ground images is essential for generating high-precision urban 3D models, yet severe variations in viewpoint, scale, and rotation make robust feature matching highly challenging. To address these limitations, this study introduces a rotation-robust detector-free matching network coupled with multi-view track refinement for incremental Structure from Motion (ISfM). The proposed workflow features four key modules. First, rotation-aware feature extraction replaces traditional convolutions with an Omnidirectional State Space Block (OSS Block) that selectively scans across eight symmetrical directions to model long-range spatial dependencies and synthesize rotation-invariant feature maps. Second, multi-scale attention transformation utilizes quadtree attention to build a hierarchical token pyramid that isolates high-association token regions and discards irrelevant areas, capturing long-range context with linear computational complexity. Third, bi-directional feature matching executes a symmetric coarse-to-fine matching scheme where coarse alignment computes dual-direction Softmax confidence matrices under mutual nearest neighbor constraints, and fine alignment uses a multi-layer perceptron to regress sub-pixel coordinate offsets. Finally, multi-view track refinement employs an integrated indexing structure to evaluate localized spatial proximity and link disjoint sub-tracks to the highest-confidence anchor point, ensuring stable feature repeatability across the ISfM pipeline. By using real aerial-ground datasets, experimental results demonstrate that the proposed method improves AUC at 5° pose error by 93.9% compared with LoFTR and achieves the highest precision in ISfM reconstruction, with the improved accuracy ranging from 27.6% to 32.7%. The proposed method provides a reliable solution for integrated 3D reconstruction of aerial-ground images.
• Abstract（参考訳）: 地上画像からの総合的な3次元再構成は、高精度な都市3次元モデルを作成するのに不可欠であるが、視点、スケール、回転の著しい変化は、ロバストな特徴マッチングを極めて困難にしている。 これらの制約に対処するため,ISfM(Structure from Motion)の多視点トラックリファインメントと組み合わせた回転ロバストな検出器レスマッチングネットワークを提案する。 提案されたワークフローには4つの重要なモジュールがある。 まず、回転認識機能抽出は、従来の畳み込みをOmnidirectional State Space Block (OSS Block) に置き換えて、8つの対称方向を選択的にスキャンし、長距離空間依存をモデル化し、回転不変の特徴マップを合成する。 第二に、クワッドツリーの注目を利用して、階層的なトークンピラミッドを構築し、高結合トークン領域を分離し、無関係な領域を破棄し、線形計算複雑性で長距離コンテキストをキャプチャする。 第3に、双方向特徴マッチングは、互いに隣接した制約の下で2方向のソフトマックス信頼行列を計算し、微細アライメントは、マルチ層パーセプトロンを用いてサブピクセル座標オフセットを回帰する対称な粗大なマッチングスキームを実行する。 最後に、マルチビュートラックリファインメントは、局所的な空間的近接性を評価し、分離されたサブトラックを最も信頼度の高いアンカーポイントにリンクし、ISfMパイプライン間の安定した特徴再現性を確保するために統合インデックス構造を用いる。 実際の地上観測データを用いて,提案手法はロFTRと比較して5°ポーズ誤差を93.9%改善し,ISfMの再現精度は27.6%から32.7%向上した。 提案手法は,地上画像の統合3次元再構成のための信頼性の高いソリューションを提供する。

関連論文リスト

• NoDrift3R: Raymap-Guided Coupling for Drift-Robust Unposed Feed-Forward 3D Reconstruction [25.145305440192875]
  Pose-Free Feed-forward 3D Gaussian Splattingは、最近、高速なシーン再構築のための強力なパラダイムとして登場した。 しかし、その性能は累積カメラポーズ推定ドリフトにより長い画像列で著しく低下する。 我々は、レイマップガイド結合モジュールを用いて、幾何と外観を明示的に結合する相乗的ポーズフリーフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-08T09:02:18Z)
• SpaR3D-MoE: Adaptive 3D Spatial Reasoning from Sparse Views Meets Geometry-Inductive Mixture-of-Experts [9.401672754315614]
  SpaR3DMoEは、粗いRGB入力のみから幾何学的認識機能を備えたMLLMによる適応的空間推論を可能にするエンドツーエンドのフレームワークである。
  論文  参考訳（メタデータ） (2026-07-07T09:27:38Z)
• FLUX3D: High-Fidelity 3D Gaussian Generation with Diffusion-Aligned Sparse Representation [48.928051741750124]
  本稿では,画像から3DGSまでのスケーラブルなフレームワークを提案し,生成時の表現学習と相互モーダルアライメントを向上する。 FLUX3Dは外観の忠実さを大幅に改善し、高品質な3DGSの資産を生み出すのに最先端(SOTA)の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2026-06-23T17:52:21Z)
• Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
  無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。 本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。 提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
  論文  参考訳（メタデータ） (2026-04-02T08:08:41Z)
• RegFormer++: An Efficient Large-Scale 3D LiDAR Point Registration Network with Projection-Aware 2D Transformer [71.59462491691819]
  本稿では,大規模クラウドアライメントを実現するために,RegFormer++と呼ばれる新しいエンド・ツー・エンド差動トランスフォーマネットワークを提案する。 元の3D座標を2次元投影位置に充填するため、設計したトランスフォーマーは2次元処理における高効率と3次元幾何情報からの精度の両面から恩恵を受けることができる。 KITTI、NuScenes、Argoverseのデータセットを用いた実験により、我々のモデルは精度と効率の両面で最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2026-03-15T09:03:10Z)
• Lightweight framework for underground pipeline recognition and spatial localization based on multi-view 2D GPR images [16.242494425009163]
  本稿では、3次元GPRを用いた地下パイプライン検出の複雑なシナリオにおいて、多視点特徴間の弱い相関、小型目標の認識精度の低さ、およびロバスト性に対処する3次元パイプラインインテリジェント検出フレームワークを提案する。 実験により, 複雑なマルチパイプのシナリオにおいて, 精度96.2%, 平均精度93.3%, 平均精度96.7%が得られた。
  論文  参考訳（メタデータ） (2025-12-24T00:50:27Z)
• SPAN: Spatial-Projection Alignment for Monocular 3D Object Detection [49.12928389918159]
  既存の単分子3D検出器は典型的には、切り離された予測パラダイムを通じて、3D境界ボックスの顕著な非線形回帰をテームする。 本稿では2つの主成分を持つ新しい空間射影アライメント(SPAN)を提案する。 SPANは、予測された3次元境界ボックスと接地した3次元境界ボックスの間に明らかに大域的な空間的制約を課し、それによって非結合な特性回帰による空間的ドリフトを補正する。 3D-2Dプロジェクションアライメントは、投影された3Dボックスが、画像平面上の対応する2D検出バウンディングボックス内に密に整列していることを保証する。
  論文  参考訳（メタデータ） (2025-11-10T04:48:48Z)
• ΩSFormer: Dual-Modal Ω-like Super-Resolution Transformer Network for Cross-scale and High-accuracy Terraced Field Vectorization Extraction [14.821191612452418]
  棚田は土壌・水質保全(SWC)の重要な工学的実践である 本研究は,知的TFVEのための新しい2モードOmega型超解像トランスネットワークを提案する最初のものである。
  論文  参考訳（メタデータ） (2024-11-26T04:00:28Z)
• 3D Equivariant Pose Regression via Direct Wigner-D Harmonics Prediction [50.07071392673984]
  既存の方法は、角度や四元数を用いて空間領域でパラメータ化された3次元回転を学習する。 本稿では,3次元回転回帰のためのWigner-D係数を直接予測する周波数領域アプローチを提案する。 提案手法は, ModelNet10-SO(3) や PASCAL3D+ などのベンチマーク上での最先端結果を実現する。
  論文  参考訳（メタデータ） (2024-11-01T12:50:38Z)
• VI-Net: Boosting Category-level 6D Object Pose Estimation via Learning Decoupled Rotations on the Spherical Representations [55.25238503204253]
  作業を容易にするために,VI-Netと呼ばれる新しい回転推定ネットワークを提案する。 球面信号を処理するために、SPAtial Spherical Convolutionの新たな設計に基づいて、球面特徴ピラミッドネットワークを構築する。 ベンチマークデータセットの実験により,提案手法の有効性が確認された。
  論文  参考訳（メタデータ） (2023-08-19T05:47:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。